Skip to main content
يولّد Wan 3.0 ما يصل إلى 30 ثانية من الفيديو مع الصوت في مهمة واحدة. يعمل text-to-video انطلاقًا من prompt وحده، ويبدأ image-to-video بإطار تقدّمه ويمكن أن ينتهي بإطار آخر، بينما يأخذ reference-to-video ما يصل إلى 10 صور و5 مقاطع فيديو و5 مقاطع صوتية ويضع الأشخاص والمنتجات والحركة والأصوات الموجودة فيها داخل اللقطة. كما يحرّر reference-to-video المقاطع الموجودة لديك ويمدّدها. لمعرفة ما تشترك فيه جميع نماذج الفيديو، راجع توليد الفيديو؛ وللاطلاع على نماذج أخرى تعمل انطلاقًا من المراجع، راجع المرجع إلى الفيديو وSeedance. فيما يلي صورتان أُنشئتا باستخدام /image/generate، والمقطع الذي صنعه reference-to-video منهما. تحتفظ صانعة الفخار بشعرها ونمشها ومريلتها، ويحتفظ إبريق الشاي بطلائه الزجاجي ومقبضه الذهبي، وتُنطق الجملة الأخيرة أمام الكاميرا.
الصورتان المرجعيتان جنبًا إلى جنب: صانعة فخار حمراء الشعر ترتدي مريلة من قماش الدنيم، وإبريق شاي أخضر مزرق منقّط بمقبض ذهبي
تعمل المهام بشكل غير متزامن: يسعّر quote المهمة، ويرسلها queue ويحتسب عليك تكلفتها، ويستعلم retrieve عنها حتى يصبح ملف MP4 جاهزًا. تفترض الأمثلة أن VENICE_API_KEY مضبوط:

اختر نموذجًا

لكل مستوى المتغيرات الثلاثة نفسها: Prime هو الخيار الأسرع بسعر أعلى: استغرق مقطع الفخار 205 ثوانٍ على المستوى القياسي و131 ثانية على Prime. لكل معرّف أيضًا صيغة بالنقطة، مثل wan-3.0-reference-to-video. يأخذ كلٌّ من image-to-video وreference-to-video صورًا، لكن لمهام مختلفة. يبدأ image-to-video بالصورة image_url تمامًا كما هي، وينتهي بـ end_image_url إذا أرسلتها. أما reference-to-video فيعامل الصور كمراجع: ما فيها يظهر في المقطع، مؤطّرًا بالطريقة التي يحددها الـ prompt. استخدم image-to-video عندما تكون اللقطة الأولى ثابتة، وreference-to-video عندما تحتاج إلى الشخص نفسه أو المنتج نفسه عبر عدة لقطات. تأتي المدد ونسب العرض إلى الارتفاع والدقات من /models. يعيدها هذا الاستعلام:
حاليًا يوفّر كل نموذج من نماذج Wan 3.0 المدد 2s و5s و10s و15s و20s و25s و30s، ونسب العرض إلى الارتفاع 16:9 و9:16 و1:1 و4:3 و3:4، وprompts تصل إلى 20,000 حرف. يضيف image-to-video وreference-to-video القيمة adaptive التي تتبع شكل مدخلاتك. قد تتغير هذه التفاصيل، لذا اقرأها من الـ API. حدود المراجع غير موجودة في /models؛ بل تجدها في الخطوة 2.

1. احصل على عرض سعر

تُحتسب التكلفة لكل ثانية من الإخراج، بمعدل يحدده المستوى والدقة. في 23 أكتوبر 2026، كانت تكلفة المستوى القياسي $0.065 للثانية بدقة 480p، و$0.13 بدقة 720p، و$0.26 بدقة 1080p، وكانت تكلفة Prime $0.088 و$0.182 و$0.364. وكانت تكلفة Pro $0.237 بدقة 1080p، و$0.272 بدقة 2K، و$0.296 بدقة 4K، وكانت تكلفة Prime Pro $0.331 و$0.355 و$0.379. تتساوى تكلفة المتغيرات الثلاثة داخل المستوى الواحد، وإيقاف audio لا يغيّر السعر. تُحتسب فيديوهات المرجع بشكل إضافي، بمعدل المهمة نفسه وحتى جزء الثانية، لذا يضيف مقطع مدته 4.2 ثانية 4.2 ثانية. الصور والمقاطع الصوتية المرجعية مجانية. لا يحتاج quote إلى مفتاح API؛ أضف reference_video_total_duration بالثواني عندما تتضمن المهمة فيديوهات مرجعية:
تُقرَّب عروض الأسعار والرسوم إلى أقرب سنت، لذا فإن 5 ثوانٍ بدقة 480p، أي $0.325، تُعرض وتُحتسب بقيمة $0.33.

2. ضع المهمة في قائمة الانتظار

هذا هو الطلب الذي يقف خلف مقطع الفخار، مع توجيه الصورتين إلى النسختين الموجودتين في هذه الوثائق حتى تتمكن من تشغيله كما هو:
توضع المراجع في ثلاث مصفوفات، كعناوين URL عامة أو data URLs. يجلب Venice عناوين URL بنفسه، لذا يجب أن تعمل دون ترويسات أو ملفات تعريف ارتباط. تحتاج مهمة reference-to-video إلى صورة واحدة أو فيديو واحد على الأقل؛ ويُرفض الصوت وحده. يجب أيضًا أن تتسع فيديوهات المرجع مع duration معًا ضمن 30 ثانية. يمكن أن تكون الفيديوهات بصيغة MP4 أو MOV والصوت بصيغة MP3 أو WAV. الصور الأصغر من الحد الأدنى البالغ 240 بكسل على الضلع الأقصر تُكبَّر بدلًا من رفضها. في الـ prompt، يشير @Image1 إلى العنصر الأول في reference_image_urls، و@Image2 إلى الثاني، وهكذا، ويُعدّ @Video1 و@Audio1 بالطريقة نفسها في مصفوفتيهما. سمِّ كل مرجع ترسله، بما في ذلك الصوت: اكتب @Audio1 في الموضع الذي ينتمي إليه الصوت أو المؤثر الصوتي. لا يستخدم Wan 3.0 الحقل reference_document_urls، رغم أن مرجع الـ API يدرجه. يرفضه Prime وPro وPrime Pro، أما المستوى القياسي فيقبل المستند ويتجاهله ويحتسب تكلفة المهمة كالمعتاد. تمنحك الاستجابة المعرّف الذي تحتاجه لكل ما يلي:
احتفظ بالقيمتين؛ يحتاجهما retrieve. لقد احتُسبت التكلفة عليك في هذه المرحلة، وليس عند عودة الفيديو، لذا لا تُعِد محاولة طلب queue. إذا كان لديك queue_id، فاستعلم به. إذا لم تصل الاستجابة أبدًا، فقد يؤدي إرسال المهمة مرة أخرى إلى احتساب التكلفة مرتين. يقتصر queue على 40 طلبًا في الدقيقة وretrieve على 120؛ وكلاهما يُبلغ عن x-ratelimit-remaining-requests. تُرفض معظم الأخطاء هنا بالرمز 400 دون أي رسوم: قيمة غير موجودة في /models، أو حقل لا يقبله المتغير، أو عدد زائد من المراجع، أو صوت دون صورة أو فيديو، أو غياب aspect_ratio. يوضح الجسم المشكلة في issues[].message. يُتحقق من أطوال المقاطع بعد احتساب التكلفة، لذا فإن مقطعًا مرجعيًا أطول أو أقصر من اللازم يحصل على queue_id هنا ثم يفشل عند أول retrieve، مع استرداد الرسوم.

3. استعلم ونزّل

استدعِ retrieve بالقيم الواردة في استجابة queue:
تكون الاستجابة أحد أمرين. أثناء تشغيل المهمة تحصل على JSON:
عند اكتمالها تحصل على video/mp4 ويكون الجسم هو الفيديو. اعتمد في التفرّع على Content-Type. الرقمان بالمللي ثانية: المدة التي تستغرقها المهام عادةً على هذا النموذج، والمدة التي تعمل فيها مهمتك حتى الآن. استقر المتوسط عند نحو 7.5 دقائق على كل نموذج جرّبناه، وانتهت كل مهمة قبله. استغرقت المهام من 1 إلى 5 دقائق: الاختبارات ذات الثانيتين بدقة 480p أكثر من دقيقة بقليل، والمهام المبنية على فيديو مرجعي مدته 5 ثوانٍ من 3 إلى 5 دقائق. استعلم كل 10 إلى 15 ثانية بدلًا من الانتظار حتى انقضاء المتوسط. ملف MP4 بترميز H.264 بمعدل 30 إطارًا في الثانية مع صوت AAC ستيريو، أو دون مسار صوتي إذا أرسلت audio: false. تعود دقة 720p بأبعاد 1280×720 ودقة 1080p القياسية بأبعاد 1920×1080، لكن Pro وPrime Pro أعادا 1936×1088 لدقة 1080p.

إذا فشلت المهمة

تبقى المهمة الفاشلة فاشلة: يعيد الاستعلام مجددًا الحالة نفسها والجسم نفسه. المهام التي تفشل قبل بدء التوليد، مثل مقطع مرجعي خارج حدود الطول أو صورة لا يستطيع Venice فك ترميزها، تُسترد رسومها خلال ثوانٍ من وضعها في قائمة الانتظار. لا تحمل أجسامها سوى error؛ ويسردها جدول الأخطاء.

التنظيف

مرّر delete_media_on_completion: true إلى retrieve وسيُحذف الفيديو المخزّن في الاستدعاء نفسه الذي يعيده. أي retrieve لاحق لذلك المعرّف يعيد 404. اتركه غير مفعّل إذا أردت تنزيل الفيديو أكثر من مرة.

أنماط سير العمل

مقطع الفخار هو سير عمل الموضوع: صور تدخل، والأشخاص والأشياء أنفسهم يظهرون في المقطع. الطلبات أدناه هي أنماط سير العمل الأخرى كما شغّلناها، مع المدخلات على عناوين URL نائبة. تستخدم جميعها باستثناء الأخير reference-to-video، حيث يحدد الـ prompt ما يفعله النموذج بالمقطع.

الحركة من مقطع

يمكن لفيديو مرجعي أن يوفّر حركة الكاميرا أو الحركة دون محتواه. هنا حدّد مدار مدته 5 ثوانٍ حول تمثال، صُنع باستخدام wan-3-0-text-to-video، حركة الكاميرا حول صانعة الفخار:
تدور الكاميرا حولها بالطريقة التي دارت بها حول التمثال.

صوت للحوار

اذكر في الـ prompt أن الجملة تُنطق بالصوت الموجود في @Audio1. هنا وفّرت جملة مدتها 6 ثوانٍ من /audio/speech الصوت:
تقول الجملة الجديدة أمام الكاميرا.

تحرير مقطع

صف التغيير، وسمِّ ما يجب أن يبقى كما هو، واضبط duration على طول المقطع:
غطّى الثلج الفناء والأشجار بينما بقي التمثال والمدار كما كانا. مع adaptive، عاد المصدر ذو الأبعاد 854×480 بأبعاد 1280×718.

تمديد مقطع

تبدأ النتيجة بمقطعك بعد إعادة توليده، ثم تستمر من هناك، لذا فإن duration هو طول النتيجة كاملة: المقطع إضافةً إلى اللقطات الجديدة.
عاد المدار ذو الثواني الخمس بطول 10 ثوانٍ: المدار مرة أخرى، ثم 5 ثوانٍ جديدة ترتفع فوق الأسطح. أعاد الطلب نفسه مع "duration": "5s" المدار فقط لا أكثر. يُعاد توليد البداية بدلًا من نسخها، لذا إذا احتجت إلى إطاراتك الأصلية، فاقطع اللقطات الجديدة من النهاية واربطها بمقطعك. تُحتسب ثواني المقطع مرتين، كفيديو مرجعي وكجزء من النتيجة. ولأن المقطع وduration يتشاركان حد الثلاثين ثانية، يمكن لمقطع مدته 10 ثوانٍ أن يزيد بمقدار 10 ثوانٍ على الأكثر.

الإطاران الأول والأخير

يستخدم هذا المثال image-to-video. أرسل الإطار الافتتاحي كـ image_url، والإطار الختامي كـ end_image_url، وصف ما يحدث بينهما. جاء الإطاران من /image/generate، وصُنع الثاني من الأول باستخدام /image/edit حتى تتطابق الغرفة:
يبدأ المقطع بإطار الصباح ويستقر على إطار المساء.

كتابة الـ prompts

يتبع Wan 3.0 الـ prompt المنظّم بدقة، وقد ساعدت هذه العادات في تجاربنا:
  • امنح كل جزء من المقطع طابعًا زمنيًا، مثل 0-4s: و4-10s:. في مقطع الفخار، يقع الرفع والاقتراب التدريجي حيث وضعهما الـ prompt.
  • ضع الحوار بين علامتي اقتباس مزدوجتين، واذكر متى يجب أن تبقى الشخصية صامتة. عندما يُترك النموذج لنفسه، يملأ اللحظات الهادئة بكلمات صغيرة: أضافت اللقطة الأولى من مقطع الفخار “Okay.” قبل الجملة. أما اللقطة الثانية، مع She is silent. في اللقطة الأولى وsays only: قبل الجملة، فلم تتضمن سوى “Mm.” خافتة.
  • سمِّ حركات الكاميرا بوضوح: slow push-in، static camera، one slow orbit.
  • صف الصوت الذي تريده، بما في ذلك نغمة الغرفة والأجواء المحيطة. لا يملك Wan 3.0 prompt سلبيًا، لذا اكتب الاستثناءات مثل no music داخل الـ prompt نفسه.

مثال كامل

صنع هذا السكربت مقطع الفخار: يحصل على عرض سعر للمهمة، ويضعها في قائمة الانتظار مع الصورتين كـ data URLs، ويستعلم حتى يصل ملف MP4، ثم يحفظه. احفظ صانعة الفخار وإبريق الشاي بجانبه باسم woman.webp وteapot.webp. المهلة البالغة 20 دقيقة تعادل عدة أضعاف أطول مهمة شغّلناها.
يحذف retrieve الفيديو المخزّن أثناء تسليمه، لذا احذف delete_media_on_completion إذا أردت تنزيله مرة أخرى.

معاملات الـ API

Queue

Retrieve

الأخطاء

موارد ذات صلة